Paper als Download - Dynardo GmbH
Paper als Download - Dynardo GmbH
Paper als Download - Dynardo GmbH
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
aus, dass die Modelle im Verhältnis zur erwarteten realen Streuung der Ergebnisgrößen<br />
numerisch stabile Prognosen lieferten. Es stellte sich in den numerischen<br />
Robustheitsbewertungen allerdings schnell die Frage, um wie viel die numerischen<br />
Parameter variiert werden sollten. Beziehungsweise wie sinnvoll eine Variation numerischer<br />
Parameter, welche häufig zuvor an Komponentenverifikationen „eingestellt“ worden sind,<br />
überhaupt ist. Zusammenfassend musste festgestellt werden, dass zwar mittels der<br />
numerischen Robustheitsbewertungen numerische Probleme der Modelle aufgedeckt<br />
werden konnten (wenn resultierende Streuungen eindeutig zu hoch waren oder sich<br />
offensichtlich f<strong>als</strong>che Ergebnisse einstellten), aber eine belastbare quantitative Bewertung ob<br />
Modelle numerisch ausreichend „robust“ sind, nicht möglich war. Nicht verschwiegen werden<br />
sollte auch der Umstand, dass die numerischen Robustheitsbewertungen für jeden Punkt im<br />
„physikalischen“ Raum der Robustheitsbewertungen unterschiedlich sein kann. Als Bespiel<br />
seien Kontaktalgorithmen benannt, welche im Referenzdesign unter Variation der<br />
numerischen Parameter einwandfrei funktionierten können, aber unter Berücksichtigung der<br />
Streuung geometrischer Parameter irgendwann nicht mehr.<br />
3.4 Verwendung von Bestimmtheitsmaßen zur Absicherung der Modellrobustheit<br />
Der Einfluss des numerischen Rauschens auf die Ergebnisse sollte besser über die<br />
Bestimmtheit der Robustheitsbewertungen gegenüber in Natura auftretenden Streuungen<br />
abgeschätzt werden. Ist das Bestimmtheitsmaß der Robustheitsbewertung hoch, verbleibt<br />
nur ein kleiner Anteil für bisher nicht erklärbare Variationsanteile, wovon eine Ursache<br />
numerisches Rauschen sein kann. Um die Bestimmtheit von Ergebnisgrößen <strong>als</strong><br />
quantitatives Maß für die numerische Modellrobustheit zu nehmen, müssen die<br />
Bestimmtheitsanteile der gefundenen Zusammenhänge natürlich mit ausreichender<br />
statistischer Sicherheit geschätzt werden. Das formuliert dann weitere Anforderungen an das<br />
Samplingverfahren, die Anzahl der Durchrechnungen und die statistischen Algorithmen zur<br />
Schätzung der Bestimmtheitsmaße [9]. Daraus ergaben sich wichtige Anforderungen an die<br />
Weiterentwicklung der stochastischen Verfahren, welche innerhalb der ersten Projektphase<br />
schrittweise in optiSLang [19] umgesetzt worden sind. Nach sehr positiven Erfahrungen der<br />
Abschätzung des Einflusses numerischen Rauschens über die Bestimmtheitsmaße von<br />
Robustheitsbewertungen, wurde die Arbeitsweise für den Serieneinsatz umgestellt. Jetzt<br />
werden für alle wichtigen Lastfälle Robustheitsbewertungen gegenüber in Natura<br />
auftretenden Streuungen durchgeführt und nur in Fällen geringer Bestimmtheitsmaße<br />
numerische Robustheitsbewertungen zur Diagnose der numerischen Probleme eingesetzt.<br />
Dabei konnten in der Regel bei „numerisch“ robusten Modellen Bestimmtheiten unter<br />
Seite 8